Examining the Influence of Demographics on Workers’ Experiences of Psychosocial Risk in the Canadian Construction and Extractive Industries
Notice bibliographique
Résumé
Workers in the Canadian construction and extractive industries (CEIs) are exposed to psychosocial risk factors (PRFs) and experience a greater prevalence of mental health issues than the public.Managing PRFs requires the use of risk management theory; however, there is little research on PRFs in the Canadian CEIs, especially as it relates to workers' views.The problem is that the lack of knowledge of the importance of PRFs, from the perspective of Canadian CEI workers, is impairing effective risk management and having a deleterious effect on workers' mental health.The purpose of this quantitative, nonexperimental, correlational study was to examine the relationship between five demographic control factors of age, gender, residence type, employment arrangement, and rotation status, and 15 measures of Canadian CEI workers' perspective of PRFs using the theoretical foundation of risk management theory.Using a crosssectional design, a 90-question survey was administered to 174 workers over the age of 18 to obtain demographic data and scores for the PRFs using the Copenhagen Psychosocial Questionnaire -Canadian version.Analysis of variance was used to compare means across groups to determine if there is a difference in views of PRFs.The findings revealed that while workers' experiences are largely unique, there is often a stark difference between the experiences of workers based on age, gender, and employment arrangement.The study helps to provide a more complete assessment of the nature of PRFs within the CEIs and could help leaders to establish more effective risk management strategies for the betterment of workers, employers, and the broader communities in which they live and operate.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».